[发明专利]用于摄像模组质检的污点测试方法

说明书

本申请提供了一种用于摄像模组质检的污点测试方法，包括：对测试图像进行图像增强处理；对增强后的测试图像进行包括亮度归一化的图像预处理；基于污点检测模型，对预处理后的测试图像进行目标识别，获得包含潜在目标的定位框；其中所述污点检测模型是基于深度学习技术的人工智能模型；以及将所获得的所述定位框作为感兴趣区域返回所拍摄的原测试图像中，计算所述感兴趣区域与污点区域的平均亮度的亮度差，以及污点区域的面积，根据所述亮度差和所述面积确定所述定位框中是否存在污点。本申请可以使摄像模组产线上的污点测试的稳定性、可操作性和效率方面都得到了很好的提升；可以有效地降低摄像模组污点检测的漏检率和误判率。

技术领域

本申请涉及摄像模组质检技术和计算机视觉技术，具体地说，本申请涉及用于摄像模组质检的污点测试技术。

背景技术

摄像模组又称为摄像头模组，当前，摄像模组已成为智能手机等消费电子终端产品中必不可少的内置部件。手机市场的发展趋势要求摄像模组具有大像素、大光圈和小型化等诸多特性，这给摄像模组的组装和质检都带来了难题。本申请主要涉及的是摄像模组的质检。

污点检测是摄像模组质检过程中尤其重要的一环。摄像模组属于高精密度的光学器件，通常需要在洁净度极高的无尘环境中进行组装。然而任何无尘环境都是相对的，且组装过程中可能需要使用胶材或其它添加物，如操作不当有可能意外出现碎屑或杂质。这些碎屑或杂质如果附着在感光芯片上或镜头内部的透镜上，会导致该摄像模组所拍摄图像中出现始终存在的污点，导致严重的质量问题。因此，每一个摄像模组都必须在出厂前对进行污点检测，以确保无存在污点问题的瑕疵产品流入市场。

现有技术中，污点检测算法(为便于描述，本文中有时将其称为传统污点检测算法)是基于污点的亮度和面积阈值来判断图像中是否存在污点以及确定污点位置。具体来说，先将图像划分为多个块(例如20*20像素的块)，对于每个块，计算其平均亮度值；然后对当前块中的每个像素，计算该像素与当前块的平均亮度值之差；再将这个差与预设的污点亮度阈值进行比较，从而判断当前像素是否属于污点(这里属于污点的含义是该像素被污点所覆盖，是污点的一部分)；所有块的所有像素都判断完毕，则可以获得含有污点信息的二值图像，进而获得污点位置，并且根据属于污点的连续的像素的个数还可以计算出污点的面积。在传统污点检测算法中，有时还会比较所计算出的污点面积与预设的污点面积阈值，只有所计算出的污点面积超过预设的污点面积阈值时，才最终判定该污点成立。

上述传统污点检测算法可以对传统的摄像模组进行自动化的污点检测。然而，随着摄像模组解像力的提升，图像的尺寸越来越大，传统的污点检测算法在效率上已经不能满足日益增长的出货量要求。另外，在检测图像污点时，传统的污点检测算法，容易受图像噪声、环境亮度等因素的影响，使得污点测试结果出现误判，不利于制造厂家在生产线上批量使用。

另一方面，近年来人工智能技术有了巨大的发展，它已被运用于人脸检测等诸多领域。然而目前尚无专门的对摄像模组污点检测这一特殊领域的人工智能模型及检测方案。

发明内容

本发明旨在提供一种能够克服现有技术的至少一个缺陷的解决方案。

根据本发明的一个方面，提供了一种用于摄像模组质检的污点测试方法，包括：获取待测摄像模组拍摄的测试图像，对所述测试图像进行图像增强处理；对增强后的测试图像进行图像预处理，其中所述预处理包括亮度归一化；基于污点检测模型，对预处理后的测试图像进行目标识别，获得包含潜在目标的定位框，其中所述污点检测模型是基于深度学习技术的人工智能模型，所述的潜在目标是由所述人工智能模型判断为属于污点类型的目标物；以及将所获得的所述定位框作为感兴趣区域返回所拍摄的原测试图像中，计算所述感兴趣区域的平均亮度与所述感兴趣区域内的污点区域的平均亮度的亮度差，计算所述感兴趣区域内的污点区域的面积，以及根据所述亮度差和所述面积确定所述定位框中是否存在污点。

其中，所述图像增强处理步骤包括：基于Retinex图像增强技术的图像处理。